Título :	Numerical Nonsmooth Optimization : State of the Art Algorithms
Tipo de documento:	documento electrónico
Autores:	Bagirov, Adil M., ; Gaudioso, Manlio, ; Karmitsa, Napsu, ; M¤kel¤, Marko M., ; Taheri, Sona,
Mención de edición:	1 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2020
Número de páginas:	XVII, 698 p. 407 ilustraciones, 15 ilustraciones en color.
ISBN/ISSN/DL:	978-3-030-34910-3
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	La investigación de operaciones  ciencia de la gestión  Análisis numérico  Procesamiento de datos  Econometría  Investigación de Operaciones  Ciencias de la Gestión  Investigación de Operaciones y Teoría de la Decisión  Minería de datos y descubrimiento de conocimientos  Economía cuantitativa
Índice Dewey:	003 Teoría general de Sistemas
Resumen:	Resolver problemas de optimización no suave (NSO) es fundamental en muchas aplicaciones prácticas y sistemas de modelado del mundo real. El objetivo de este libro es estudiar varios métodos numéricos para resolver problemas de NSO y proporcionar una visión general de los últimos avances en este campo. Expertos de todo el mundo comparten sus perspectivas sobre aspectos específicos de las NSO numéricas. El libro se divide en cuatro partes, la primera de las cuales considera métodos generales que incluyen métodos de muestreo de subgradiente, de haz y de gradiente. A su vez, el segundo se centra en métodos que explotan la estructura especial del problema, por ejemplo, algoritmos para programación DC no fluida, técnicas de descomposición VU y algoritmos para problemas minimax y diferenciables por partes. La tercera parte considera métodos para problemas especiales como NSO multiobjetivo y entero mixto, y problemas que involucran datos inexactos, mientras que la última parte destaca los últimos avances en NSO sin derivados. Dado su alcance, el libro es ideal para estudiantes que asisten a cursos sobre optimización numérica no suave, para profesores que imparten cursos de optimización y para profesionales que aplican métodos de optimización no suave en ingeniería, inteligencia artificial, aprendizaje automático y negocios. Además, puede servir como texto de referencia para expertos que se ocupan de la optimización no fluida.
Nota de contenido:	Introduction -- Part I: General Methods -- Part II: Structure Exploiting Methods -- Part III: Methods for Special Problems -- Part IV: Derivative-free Methods.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Numerical Nonsmooth Optimization : State of the Art Algorithms [documento electrónico] / Bagirov, Adil M., ; Gaudioso, Manlio, ; Karmitsa, Napsu, ; M¤kel¤, Marko M., ; Taheri, Sona,  . -  1 ed.  . - [s.l.] : Springer, 2020 . - XVII, 698 p. 407 ilustraciones, 15 ilustraciones en color.
ISBN : 978-3-030-34910-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	La investigación de operaciones  ciencia de la gestión  Análisis numérico  Procesamiento de datos  Econometría  Investigación de Operaciones  Ciencias de la Gestión  Investigación de Operaciones y Teoría de la Decisión  Minería de datos y descubrimiento de conocimientos  Economía cuantitativa
Índice Dewey:	003 Teoría general de Sistemas
Resumen:	Resolver problemas de optimización no suave (NSO) es fundamental en muchas aplicaciones prácticas y sistemas de modelado del mundo real. El objetivo de este libro es estudiar varios métodos numéricos para resolver problemas de NSO y proporcionar una visión general de los últimos avances en este campo. Expertos de todo el mundo comparten sus perspectivas sobre aspectos específicos de las NSO numéricas. El libro se divide en cuatro partes, la primera de las cuales considera métodos generales que incluyen métodos de muestreo de subgradiente, de haz y de gradiente. A su vez, el segundo se centra en métodos que explotan la estructura especial del problema, por ejemplo, algoritmos para programación DC no fluida, técnicas de descomposición VU y algoritmos para problemas minimax y diferenciables por partes. La tercera parte considera métodos para problemas especiales como NSO multiobjetivo y entero mixto, y problemas que involucran datos inexactos, mientras que la última parte destaca los últimos avances en NSO sin derivados. Dado su alcance, el libro es ideal para estudiantes que asisten a cursos sobre optimización numérica no suave, para profesores que imparten cursos de optimización y para profesionales que aplican métodos de optimización no suave en ingeniería, inteligencia artificial, aprendizaje automático y negocios. Además, puede servir como texto de referencia para expertos que se ocupan de la optimización no fluida.
Nota de contenido:	Introduction -- Part I: General Methods -- Part II: Structure Exploiting Methods -- Part III: Methods for Special Problems -- Part IV: Derivative-free Methods.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i